概念：自动调整算法
为何使用自动调整
您可能会发现，为预测给定时间序列选择最合适的算法具有一定的难度。通常，用户会经历使用每种算法的试错流程。然后，他们将预测结果与相应的错误进行比较，并选择误差最少的预测结果。
“自动调整”
可预测要用于新时间序列的算法，而无需您反复尝试。自动调整流程
与其他可用算法不同，
自动调整
使用分类模型。分类模型利用元学习框架，根据时间序列数据的特征确定要使用的算法。它使用的模型基于数千个时间序列数据进行了训练。分类器识别出时间序列的要素后，会选择并应用合适的算法。
自动调整
会将每个数据交集视为一个时间序列。因此，工作表上的每个账户可能具有不同的功能。在这种情况下，“自动调整”
会为每个账户应用一种算法。“自动调整”
仅从可用于 预测预测器
的算法中进行选择。示例：当数据的稀疏度为 80% 时，“自动调整”
通常会选择 “Croston”
算法。